<mark id="oztn4"></mark>
0
| 本文作者： nebula | 2023-09-22 14:18 |
2019年，農業農村部提出數字農業農村發展規劃（2019-2025），明確提出以農業數字化為重點發展主線，全面提升農業農村生產智能化、經營網絡化、管理高效化、服務便捷化水平，以數字化引領驅動農業農村現代化，為實現鄉村全面振興提供有力支撐。這其中對核心主糧作物、經濟作物種植區域進行數字化建模是實現農業數字化的基礎一環。依托現代衛星遙感技術，對地物目標進行多光譜、多時段監測，可以獲取大量信號特征，同時基于不同農作物對不同波段光譜的特異性反射差異、生長周期特點，可以實現低成本、高精度、大范圍的農作物種類識別，為實現農業數字化生產、高效網格化經營提供基礎數據。
本賽題主要目的是通過時序多光譜遙感數據序列，設計人工智能算法，識別出對應地點對應時間段的種植農作物種類。
（1）數據集：本賽題給出了約22萬條的多光譜傳感器數值時序序列，每條序列包含若干個時間點，每個時間點包含了11個通道的值，這些值均為整數。因此，一條多光譜傳感器數值時序序列的數據可以表示為
其中T為時間點的數目。
（2）目標：其目標是給定對應的多光譜傳感器數值時序序列，以判定該地點種植作物種類（玉米、水稻、大豆中的其中一類），是個三分類問題。
（3）評價指標：本次賽題為機器學習經典的分類問題，評價指標采用分類準確率。
該賽題提供了一組序列數據，可以直接將該問題視為一個序列分類問題，并使用GRU（門控循環單元）或Transformer進行建模。對于輸入數據，有兩種可能的處理方法。
（1）第一種方法是將11個通道的值進行歸一化，從而得到一個時長為T的序列，其中每個時刻的輸入向量維度為11。這種方法相對簡單，但有一個缺點：由于其數值是線性的，歸一化后的數值對于相近的整數也是相近的，這使得模型難以區分這些相近的值。
（2）為了解決這個問題，我們的隊伍采用了第二種方法：對11個通道的值進行embedding，從而得到一個11×h維度的向量。在輸入到序列模型之前，我們通過一個線性變換將這個向量轉化為一個[T, H]的矩陣，其中H是序列模型的隱藏層大小，例如256或512。這種方法的優點是能夠將原始的、線性的輸入值轉化為一個更加豐富、更能表征數據特點的高維空間。這使得模型能夠捕獲到更多的數據特征，從而提高模型的分類性能。
圖1. 解決方案整體框架
我們團隊的解決方案如圖1所示。在這個解決方案中，我們首先利用BERT模型對多光譜傳感器的數值時序序列進行建模。BERT模型能夠捕捉時序序列中的上下文信息，這對于理解農作物生長過程中的時空變化是很重要的。然后，我們將從BERT模型的最后一層得到的特征與光譜反射和農作物生長周期的特征進行拼接并通過4層的transformer。這樣做的目的是將從不同源獲取的信息融合在一起，以提供更全面的信息。最后，我們采用mean pooling和max pooling對transformer的輸出進行池化操作，以得到最終的序列特征。這個特征會被用作分類模型的輸入。接下來，我們將詳細介紹如何預訓練BERT特征，以及如何提取光譜反射與農作物生長周期的特征。
（1）BERT模型的預訓練
圖2. BERT模型MLM預訓練任務
為了更有效地捕捉序列中的語義信息和依賴關系，我們采用了改進的Masked Language Modeling（MLM）任務來對BERT模型進行預訓練。具體地，我們并不是對一個時刻的所有傳感器數值進行掩蓋，而是隨機掩蓋掉20%的傳感器數值。這樣做的優點是，我們不僅可以使用不同時間點的傳感器數值來預測當前的數值，還能使用當前時刻的其他傳感器數值來預測某一個傳感器的數值。這樣的設計有助于模型更好地理解不同傳感器數值之間的依賴關系，以及不同時間點之間的依賴關系。這對于捕捉多光譜傳感器數據中的時空變化信息是非常重要的。
（2）光譜反射與農作物生長周期特征
遙感農作物識別時，光譜反射特性和農作物生長周期特性是兩個關鍵特征。圖3顯示了豆科植物對不同光譜波段的反射率示意圖，而圖4展示了不同農作物生長周期中的NDVI指數變化示意圖。這些示意圖均來自公開資料，如果存在侵權問題，請聯系我們刪除。NDVI是一種常用的指數，用于衡量植被的生長狀況。它的計算公式如下，其中NIR代表近紅外波段，R代表紅色光波段：
因此，我們計算每個時間點的NDVI值，并將其作為額外的輸入特征。從圖4中，我們還可以觀察到，不同農作物的NDVI指數變化梯度也不同。這是一個重要的指標，可以幫助我們更好地區分特定地點適合種植哪些農作物。因此，我們也使用了梯度信息作為額外的特征。
首先，我們要對主辦方在“科技助實”這一具有深遠影響的主題上提供寶貴的數據和有趣的賽題表示感謝。這不僅為我們提供了一個展示科技創新能力的平臺，還讓我們有機會為農業持續發展貢獻一份力量。"科技助實"不僅是一個充滿意義的研究領域，而且具有極高的社會價值，它能夠助力提高農作物產量、提升農業可持續性，并最終改善農民的生活質量。同時，我們也要對所有參與指導和支持的老師表示由衷的感謝。您們的專業知識和無私奉獻為我們提供了強大的技術支持和指導，使我們能夠更加自信地面對這個挑戰。最后，我們期望接下來的比賽能夠繼續發揚光大，吸引更多具有激情和創新精神的人才參與，共同推動“科技助實”這一崇高事業不斷向前發展。
雷峰網(公眾號：雷峰網)
